今天的進度內容我個人非常感興趣，是將原始CSV檔案上傳至GDS中進行觀察。
自從認識到GDS後，覺得它是一個免費但功能卻足夠一般分析者使用的視覺化平台，可以自行做維度和指標的調整，且圖表也蠻多樣化的!

GDS目前可以免費串連Google Sheet, Big Query, Google Analytics, Google Ads和上傳CSV檔案等，對於常使用這些分析工具/檔案的人是一大福音。

使用方式也蠻直覺的，串接資料來源後，就可以透過 SETUP 進行 日期範圍、維度、指標、進階篩選 等調整，也可以 自行定義欄位 (有點類似excel的函數，但又不完全是XD)；如果對於版面和圖表有想調整的部分，則可透過 樣式 進行顏色、字形大小等美化。

像這樣新增欄位，跟大多數函數一樣會好心地提醒你該如何設定它。

• 維度(Dimension): 使用的資料項。例如: 國家/地區。
• 指標(Indicator): 你想看的資料結果。例如: 分店營業額、顧客來店人次等。

今天要使用GDS中的地圖功能來觀察站點熱區，未來幾天會再慢慢補上其他圖表。

根據以前使用GDS的經驗，要使用地圖功能需要提供 「地址」或「經緯度」 等資訊放【地區】欄位中。測試一下將熱視圖 維度調整成'start_station_name'，指標調成'ride_id'(計數) ，意外的是可行的!
可能是因為這個欄位的資訊其實包含了兩條道路的名稱，所以Google地圖可以抓的到。

原本start_station_name欄位資料長這樣(最左欄，有兩條路的名稱)。

但為了保險起見，我還是想使用經緯度來定位試試看。

使用泡泡圖，將維度自行定義為經緯度(使用concat函數)，指標使用station_name、泡泡大小使用record count。
結果如下:

看起來跟熱圖的結果差不多，站點密集設置在市區，且愈靠近市區泡泡愈大。
(補充:此處的record count部分會比Python中的多，是因為這是未經過刪除無效資料的原始檔)

GDS這個功能真的很有趣，也可以讓使用者一目了然，推薦給大家。

TOMORROW's Goal

【資料故事時代】讀書筆記整理:常見偏誤

明天見!